CN107316532A - 调度员推理能力的测试方法与系统 - Google Patents
调度员推理能力的测试方法与系统 Download PDFInfo
- Publication number
- CN107316532A CN107316532A CN201710391409.4A CN201710391409A CN107316532A CN 107316532 A CN107316532 A CN 107316532A CN 201710391409 A CN201710391409 A CN 201710391409A CN 107316532 A CN107316532 A CN 107316532A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- dispatcher
- scheduling
- amplitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Technology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种调度员推理能力的测试方法及系统，其中，该调度员推理能力的测试方法包括：在接收到开始测试的指令后，控制显示调车场的模拟调度画面；采集调度员在根据所述模拟调度画面进行调度测试时的脑电信号；并将所述脑电信号进行频域转换，并提取对应的频域特征；记录所述调度员完成调度测试的时长和对车辆的调度次数；将所述频域特征、所述调度员完成调度测试的时长和对车辆的调度次数作为输入特征，输入至概率特征选择分类向量机得到概率预测结果，根据所述概率预测结果评价所述调度员的推理能力。本发明的测试方法及系统能提高调度员推理能力的测试准确度。
Description
技术领域
本发明涉及交通测试领域，尤其涉及一种调度员推理能力的测试 方法与系统。
背景技术
调度员是行车组织的核心部分，在日常的调度过程中，调度员要 对实际的调监屏上的车次的信息进行关注，并且要随时听取调度命令， 判断并对车辆的调度进行操作，这时对实际的外界信息进行吸收和判 断，并决定在特定的时间对特定的车辆进行指定的操作，以达到指定 的调度命令要求，这时候就对调度员的推理能力提出了较高的要求。
目前并没有关于调度员的推理能力测评的方案，已有的对于推理 能力测试的一般实验一般是通过汉诺塔等测试方法对推理能力进行 评测，通过这评判出的推理能力并不能笼统的代表调度员操作过程中 的推理能力的需求。因此，目前急需开发一套更为客观科学的适合于 调度员推理能力的测试系统，为其选拔提供决策依据。
发明内容
本发明旨在解决上面描述的问题。本发明的一个目的是提供一种 调度员推理能力的测试方法与系统避免现有无法自动准确测试调度 员的推理能力的缺陷。
根据本发明的第一方面，提供一种调度员推理能力的测试方法， 所述方法包括：在接收到开始测试的指令后，控制显示调车场的模拟 调度画面；采集调度员在根据所述模拟调度画面进行调度测试时的脑 电信号；并将所述脑电信号进行频域转换，并提取对应的频域特征； 记录所述调度员完成调度测试的时长和对车辆的调度次数；将所述频 域特征、所述调度员完成调度测试的时长和对车辆的调度次数作为输 入特征，输入至概率特征选择分类向量机得到概率预测结果，根据所 述概率预测结果评价所述调度员的推理能力。
根据本发明的第二方面，提供一种调度员推理能力的测试系统， 调度测试任务显示装置，用于在接收到开始测试的指令后，控制显示 调车场的模拟调度画面；脑电信号采集处理装置，用于采集调度员在 根据所述模拟调度画面进行调度测试时的脑电信号；并将所述脑电信 号进行频域转换，并提取对应的频域特征；行为记录装置，用于记录 所述调度员完成调度测试的时长和对车辆的调度次数；机器学习分析 装置，用于将所述频域特征、所述调度员完成调度测试的时长和对车 辆的调度次数作为输入特征，输入至概率特征选择分类向量机得到概 率预测结果，根据所述概率预测结果评价所述调度员的推理能力。
本发明调度员推理能力的测试方法及测试系统通过结合被测试 的调度员的脑电信号的频域特征和完成调度测试的时长和对车辆的 调度次数，并利用概率特征选择分类向量机得到概率预测结果，以此 评价所述调度员的推理能力，由于特征综合带有调度特性的行为指标 和脑电信号，能提高调度员推理能力考核的准确度。
参照附图来阅读对于示例性实施例的以下描述，本发明的其他特 性特征和优点将变得清晰。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明 的实施例，并且与描述一起用于解释本发明的原理。在这些附图中， 类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的 一些实施例，而不是全部实施例。对于本领域普通技术人员来讲，在 不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。
图1示例性地示出了一种调度员推理能力的测试方法的流程图；
图2示例性地示出了一种调度员推理能力的测试系统的结构框 图；
图3示例性地示出了一种调度员推理能力的测试系统的作用原 理图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结 合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、 完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有 做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护 的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实 施例中的特征可以相互任意组合。
实施例一
图1示例性地示出了一种调度员推理能力的测试方法的流程图； 如图1所示，一种调度员推理能力的测试方法，包括：
步骤101：在接收到开始测试的指令后，控制显示调车场的模拟 调度画面；
步骤103：采集调度员在根据所述模拟调度画面进行调度测试时 的脑电信号；并将所述脑电信号进行频域转换，并提取对应的频域特 征；具体操作时，所述频域特征包括：
所述脑电信号的α波频段功率谱平均幅值作为第一幅值；
所述脑电信号的β波频段功率谱平均幅值作为第二幅值；
所述第一幅值与第二幅值的和除以第二幅值的商；以及，
所述第一幅值除以所述第二幅值的商。
具体操作时，在所述将所述脑电信号进行频域转换的步骤之前可 以包括：对所述脑电信号进行滤波处理，如利用0.5-30HZ的带通滤 波器滤除工频和肌电干染信号；并对滤波后的所述脑电信号进行眼电 伪迹的去除处理，如:设置断点，找出所有符合的眨眼信号，对眨眼 信号进行平均处理，得到标准眨眼，利用Scan软件中的空间滤波器 按一定比例滤除采集的脑电信号所有电极的眨眼信号，即滤除了眼电 伪迹。
步骤105：记录所述调度员完成调度测试的时长和对车辆的调度 次数；
步骤107：将所述频域特征、所述调度员完成调度测试的时长和 对车辆的调度次数作为输入特征，输入至概率特征选择分类向量机得 到概率预测结果，根据所述概率预测结果评价所述调度员的推理能力；
其中，将所述频域特征、所述调度员完成调度测试的时长和对车 辆的调度次数作为输入特征的步骤包括：
将所述频域特征、所述调度员完成调度测试的时长和对车辆的调 度次数进行标准化和一致化处理后作为输入特征；
假设共有n司机参与测试，共有m项测试指标。设第i个人的第j 项测试值为xij，其中i＝1,2,…,n，j＝1,2,…,m
其中，标准化处理为：
记第j项测试指标的样本均值为样本方差为 其中j为调度员推理能力的测试序号，则标准化 处理后为：
一致性处理为：
其中Mj＝max{yij,i＝1,2,…,n}，mj＝min{yij,i＝1,2,…,n}， j＝m1+1,m1+2,…,m1+m2。
其中，所述根据所述概率预测结果评价所述调度员的推理能力的 步骤可以包括：对所述概率预测结果，使用改变纵坐标单位变成分数 值的Sigmoid函数(可以根据需要选择)，可以使得一个区间的值按照一 定的变换变换到另一个区间里，即值-值的映射(可称为映射关系), 得到所述调度员的推理能力的评价结果。即:通过利用sigmoid函数， 将概率预测结果转换为另一个区间的值，也就是说概率预测结果作为 sigmoid函数的输入，sigmoid函数的输出作为最终的调度员的推理能力 的评价结果。
本实施例调度员推理能力的测试方法通过结合被测试的调度员 的脑电信号的频域特征和完成调度测试的时长和对车辆的调度次数， 并利用概率特征选择分类向量机得到概率预测结果，以此评价所述调 度员的推理能力，由于特征综合带有调度特性的行为指标和脑电信号， 能提高调度员推理能力考核的准确度。
实施例二
图2示例性地示出了一种调度员推理能力的测试系统的结构框 图，其为上述各调度员推理能力的测试方法所示实施例对应的系统， 上述各调度员推理能力的测试方法所示实施例的解释说明适用于本 实施例。图3示例性地示出了一种调度员推理能力的测试系统的作用 原理图。如图2及图3所示，该测试系统包括：
调度测试任务显示装置，用于在接收到开始测试的指令后，控制 显示调车场的模拟调度画面；
脑电信号采集处理装置，用于采集调度员在根据所述模拟调度画 面进行调度测试时的脑电信号；并将所述脑电信号进行频域转换，并 提取对应的频域特征；
行为记录装置，用于记录所述调度员完成调度测试的时长和对车 辆的调度次数；
机器学习分析装置，用于将所述频域特征、所述调度员完成调度 测试的时长和对车辆的调度次数作为输入特征，输入至概率特征选择 分类向量机得到概率预测结果，根据所述概率预测结果评价所述调度 员的推理能力。
优选地，所述的测试系统还包括：预处理装置(图中未示出)， 用于将所述频域特征、所述调度员完成调度测试的时长和对车辆的调 度次数进行标准化和一致化处理后作为输入特征优选地。标准化和一 致化处理的解释可以参见图1的解释说明。
优选地，所述的测试系统还包括：
脑电信号处理装置，用于对所述脑电信号进行滤波处理；并对 滤波后的所述脑电信号进行眼电伪迹的去除处理。
优选地，所述的测试系统还包括：评价结果获取装置，用于 对所述概率预测结果，使用改变纵坐标单位变成分数值的Sigmoid函数， 得到所述调度员的推理能力的评价结果。
本调度员推理能力的测试系统的工作过程简述如下：在被试做好 准备之后，测试的界面开始启动，被试在调监屏上能看到一个调车场， 每隔一定时间到达一辆列车，被试需要将列车解体到各个股道，待新 编列车凑够满轴后将其发出，根据被试完成任务的时间和发出的列车 是否符合规定对被试进行记录。本系统在评测被试的一般推理能力的 方法上，综合分析了在带有调度特色的试验下，被试的脑电信号(EEG) 和被试在评测过程中的得到的行为参数，通过算法分类计算后得到被 试更加精确稳定的一般推理能力水平预测结果。
用以实时采集被试的脑电信号的脑电信号采集模块和阐述的脑 电信号处理模块通信相连，通过这两个模块对采集的脑电信号预处理、 分析并提取脑电信号的特征向量。预处理主要分为两个部分，首先是 对采集到的脑电信号进行滤波处理，随后对滤波后信号进行眼电伪迹 的去除。分析并提取脑电信号主要是对预处理后的脑电信号进行时域 到频域的变换，从中提取频域内的特征向量：α、β四个基础频带特 征以及(α+β)/β、α/β、这两个频域组合指标。
用以实时采集被试的行为数据的行为数据采集模块和阐述的行 为数据处理模块通信相连，特征向量主要采集的是被试正式测试阶段 完成操作的时间和实际对车辆调度的次数多少。
最终采用PCVM概率分类算法，充分考虑先验类别信息对模型参 数的影响，能够得到更加精确和稳定的概率预测结果。
脑电α、β四个基础频带特征以及(α+β)/β、α/β、这两个 频域组合指标分别用X1、X2、X3、X4表示；采集的操作总时间和 操作总次数用X5、X6表示。
概率预测模型：其中
其中X＝{X1,X2,X3,X4,X5,X6}作为输入，k(x,xj)为合适的核函数， wj,w0为神经网络隐含层中的权重向量，经过网络内部的不断自我更 新，得到y(x,w)作为准输出，对产生的准输出，使用改变纵坐标单位 变成分数值的Sigmoid函数，得到调度员的一般推理能力水平。
本实施例调度员推理能力的测试系统通过带有调度特色的一般 推理能力测试实验，除此之外还利用了高铁调度员实际作业的操作特 征，将脑电信号和行为指标相结合分析，能够更加精确稳定的考核被 试的一般推理能力。
上面描述的内容可以单独地或者以各种方式组合起来实施，而这 些变型方式都在本发明的保护范围之内。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而 非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领 域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技 术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修 改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方 案的精神和范围。
Claims (10)
1.一种调度员推理能力的测试方法，其特征在于，所述方法包括：
在接收到开始测试的指令后，控制显示调车场的模拟调度画面；
采集调度员在根据所述模拟调度画面进行调度测试时的脑电信号；并将所述脑电信号进行频域转换，并提取对应的频域特征；
记录所述调度员完成调度测试的时长和对车辆的调度次数；
将所述频域特征、所述调度员完成调度测试的时长和对车辆的调度次数作为输入特征，输入至概率特征选择分类向量机得到概率预测结果，根据所述概率预测结果评价所述调度员的推理能力。
2.根据如权利要求1所述的测试方法，其特征在于，所述频域特征包括：
所述脑电信号的α波频段功率谱平均幅值作为第一幅值；
所述脑电信号的β波频段功率谱平均幅值作为第二幅值；
所述第一幅值与第二幅值的和除以第二幅值的商；以及，
所述第一幅值除以所述第二幅值的商。
3.根据如权利要求2所述的测试方法，其特征在于，将所述频域特征、所述调度员完成调度测试的时长和对车辆的调度次数作为输入特征的步骤包括：
将所述频域特征、所述调度员完成调度测试的时长和对车辆的调度次数进行标准化和一致化处理后作为输入特征；
假设共有n调度员参与测试，共有m项测试指标，设第i个人的第j项测试值为xij，其中i＝1,2,…,n，j＝1,2,…,m
其中，标准化处理为：
记第j项测试指标的样本均值为样本方差为其中j为调度员推理能力的测试序号，则标准化处理后为：
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
</mrow>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
</mrow>
<mo>;</mo>
一致性处理为：
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>m</mi>
<mn>2</mn>
</msub>
</mrow>
其中Mj＝max{yij,i＝1,2,…,n}，mj＝min{yij,i＝1,2,…,n}，j＝m1+1,m1+2,…,m1+m2。
4.根据如权利要求3所述的测试方法，其特征在于，在所述将所述脑电信号进行频域转换的步骤之前包括：
对所述脑电信号进行滤波处理；
对滤波后的所述脑电信号进行眼电伪迹的去除处理。
5.根据如权利要求1-4中任一项所述的测试方法，其特征在于，所述根据所述概率预测结果评价所述调度员的推理能力的步骤包括：
对所述概率预测结果，使用改变纵坐标单位变成分数值的Sigmoid函数——自定义的函数，可以使得一个区间的值按照一定的变换变换到另一个区间里，即值-值的映射(可称为映射关系)，得到所述调度员的推理能力的评价结果。
6.一种调度员推理能力的测试系统，其特征在于，所述系统包括：
调度测试任务显示装置，用于在接收到开始测试的指令后，控制显示调车场的模拟调度画面；
脑电信号采集处理装置，用于采集调度员在根据所述模拟调度画面进行调度测试时的脑电信号；并将所述脑电信号进行频域转换，并提取对应的频域特征；
行为记录装置，用于记录所述调度员完成调度测试的时长和对车辆的调度次数；
机器学习分析装置，用于将所述频域特征、所述调度员完成调度测试的时长和对车辆的调度次数作为输入特征，输入至概率特征选择分类向量机得到概率预测结果，根据所述概率预测结果评价所述调度员的推理能力。
7.根据如权利要求6所述的测试系统，其特征在于，所述频域特征包括：
所述脑电信号的α波频段功率谱平均幅值作为第一幅值；
所述脑电信号的β波频段功率谱平均幅值作为第二幅值；
所述第一幅值与第二幅值的和除以第二幅值的商；以及，
所述第一幅值除以所述第二幅值的商。
8.根据如权利要求7所述的测试系统，其特征在于，还包括：
预处理装置，用于将所述频域特征、所述调度员完成调度测试的时长和对车辆的调度次数进行标准化和一致化处理后作为输入特征；
假设共有n调度员参与测试，共有m项测试指标，设第i个人的第j项测试值为xij，其中i＝1,2,…,n，j＝1,2,…,m
其中，标准化处理为：
记第j项测试指标的样本均值为样本方差为其中j为调度员推理能力的测试序号，则标准化处理后为：
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
</mrow>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
一致性处理为：
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>m</mi>
<mn>2</mn>
</msub>
</mrow>
其中Mj＝max{yij,i＝1,2,…,n}，mj＝min{yij,i＝1,2,…,n}，j＝m1+1,m1+2,…,m1+m2。
9.根据如权利要求8所述的测试系统，其特征在于，还包括：
脑电信号处理装置，用于对所述脑电信号进行滤波处理；并对滤波后的所述脑电信号进行眼电伪迹的去除处理。
10.根据如权利要求6-9中任一项所述的测试系统，其特征在于还包括：
评价结果获取装置，用于对所述概率预测结果，使用改变纵坐标单位变成分数值的Sigmoid函数，得到所述调度员的推理能力的评价结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710391409.4A CN107316532A (zh) | 2017-05-27 | 2017-05-27 | 调度员推理能力的测试方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710391409.4A CN107316532A (zh) | 2017-05-27 | 2017-05-27 | 调度员推理能力的测试方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107316532A true CN107316532A (zh) | 2017-11-03 |
Family
ID=60182219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710391409.4A Pending CN107316532A (zh) | 2017-05-27 | 2017-05-27 | 调度员推理能力的测试方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107316532A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7130673B2 (en) * | 2003-04-08 | 2006-10-31 | Instrumentarium Corp. | Method of positioning electrodes for central nervous system monitoring and sensing pain reactions of a patient |
| US20080167540A1 (en) * | 2003-07-07 | 2008-07-10 | Instrumentarium Corp. | Method and Apparatus Based on Combination of Physiological Parameters for Assessment of Analgesia During Anesthesia or Sedation |
| KR20140128042A (ko) * | 2013-04-26 | 2014-11-05 | 주식회사 라이프사이언스테크놀로지 | 뇌파측정신호의 상태 판단장치 |
| WO2015073162A1 (en) * | 2013-11-12 | 2015-05-21 | Persyst Development Corporation | Method and system for training a neural network |
| CN104809434A (zh) * | 2015-04-22 | 2015-07-29 | 哈尔滨工业大学 | 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法 |
| CN105303771A (zh) * | 2015-09-15 | 2016-02-03 | 成都通甲优博科技有限责任公司 | 一种疲劳判断系统及方法 |
| CN106297194A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种汽车疲劳驾驶监测系统 |
| CN106419909A (zh) * | 2016-09-12 | 2017-02-22 | 西安电子科技大学 | 特征重组和小波变换的多类运动想象脑电信号分类方法 |
| CN106691440A (zh) * | 2016-12-07 | 2017-05-24 | 中国民用航空总局第二研究所 | 基于bp神经网络的管制员疲劳检测方法及系统 |
-
2017
- 2017-05-27 CN CN201710391409.4A patent/CN107316532A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7130673B2 (en) * | 2003-04-08 | 2006-10-31 | Instrumentarium Corp. | Method of positioning electrodes for central nervous system monitoring and sensing pain reactions of a patient |
| US20080167540A1 (en) * | 2003-07-07 | 2008-07-10 | Instrumentarium Corp. | Method and Apparatus Based on Combination of Physiological Parameters for Assessment of Analgesia During Anesthesia or Sedation |
| KR20140128042A (ko) * | 2013-04-26 | 2014-11-05 | 주식회사 라이프사이언스테크놀로지 | 뇌파측정신호의 상태 판단장치 |
| WO2015073162A1 (en) * | 2013-11-12 | 2015-05-21 | Persyst Development Corporation | Method and system for training a neural network |
| CN104809434A (zh) * | 2015-04-22 | 2015-07-29 | 哈尔滨工业大学 | 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法 |
| CN105303771A (zh) * | 2015-09-15 | 2016-02-03 | 成都通甲优博科技有限责任公司 | 一种疲劳判断系统及方法 |
| CN106419909A (zh) * | 2016-09-12 | 2017-02-22 | 西安电子科技大学 | 特征重组和小波变换的多类运动想象脑电信号分类方法 |
| CN106297194A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种汽车疲劳驾驶监测系统 |
| CN106691440A (zh) * | 2016-12-07 | 2017-05-24 | 中国民用航空总局第二研究所 | 基于bp神经网络的管制员疲劳检测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张骏,吴志敏等: "基于SVR模型的驾驶简单反应时间预测方法", 《中国公路学报》 * |
| 郭孜政、吴志敏等: "基于EEG的驾驶持续性注意水平PSO-SVM识别模型", 《北京工业大学学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101634605B (zh) | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 | |
| CN107224291A (zh) | 调度员能力测试系统 | |
| CN106886792A (zh) | 一种基于分层机制构建多分类器融合模型的脑电情感识别方法 | |
| CN106910017A (zh) | 一种基于用户行为数据挖掘的电能体验分析方法和系统 | |
| CN110309884A (zh) | 基于泛在电力物联网体系的用电数据异常识别系统 | |
| CN104113452B (zh) | 网络质量预测方法和装置 | |
| CN109800995A (zh) | 一种电网设备故障识别方法及系统 | |
| CN106580350A (zh) | 一种疲劳状况监测方法及装置 | |
| CN113662545A (zh) | 一种基于情绪脑电信号和多任务学习的人格评估方法 | |
| CN105205565A (zh) | 一种基于多重回归模型的管制员工作负荷预测方法和系统 | |
| CN110198453A (zh) | 基于弹幕的直播内容过滤方法、存储介质、设备及系统 | |
| CN109214464A (zh) | 一种基于大数据的疑似窃电用户识别装置及识别方法 | |
| CN115310804A (zh) | 基于决策层融合的飞行员情境意识判别方法和系统 | |
| CN105117980B (zh) | 一种电网设备状态的自动评价方法 | |
| CN110361609A (zh) | 特高压设备监测系统及方法 | |
| CN104706366A (zh) | 一种分心检测方法、装置及系统 | |
| CN208677390U (zh) | 一种脑电波获取仪 | |
| CN107316532A (zh) | 调度员推理能力的测试方法与系统 | |
| Yang et al. | Operationalizing the capabilities approach for urban policy evaluation: The travel welfare impacts of government job resettlement | |
| CN109431496A (zh) | 一种应用脑电信号评估大脑能力的评估系统及方法 | |
| CN112710918B (zh) | 基于边缘计算的无线数据采集方法及系统 | |
| CN115743140A (zh) | 一种面向spo模式的智能驾驶辅助系统 | |
| CN112370039B (zh) | 一种基于智慧课堂的课堂质量检测方法及装置 | |
| Weisbrod et al. | Adaptive utility assessment in dynamic decision processes: An experimental evaluation of decision aiding | |
| Scheinert et al. | The shape of watershed governance: Locating the boundaries of multiplex networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171103 |
|
| RJ01 | Rejection of invention patent application after publication |